1]郭亚楠,黄德启,倪自聪,等.多尺度特征增强与动态采样的轻量化目标检测[J/OL].哈尔滨工业大学学报,1-20[2026-08-17].https://link.cnki.net/urlid/23.1235.T.20260618.1013.004.

1]胡博森,宋卫东,梁鹏.基于ResNet网络-深度迁移学习的岩石岩性自动分类方法[J/OL].地质科技通报,1-13[2026-07-11].https://doi.org/10.19509/j.cnki.dzkq.tb202603053.在摘要中提到了这样一句话：研究表明，在小样本、细粒度岩石图像分类任务中，合理的模型容量与迁移学习策略匹配更为关键，该研究可为小样本条件下岩石岩性智能识别模型的

RNN（循环神经网络，Recurrent Neural Network）是一种专门用于处理序列数据的神经网络。它的核心特点是循环：网络在读取序列的每一个元素时，都会更新一个“内部状态”，这个状态会作为“记忆”传递到下一个时间步。

这里有两种方法，第一种直接点击Anaconda Prompt， 第二种是打开Anaconda Navigator，点开环境，在当前环境启动左键点击，点击open Terminal也可以。同时下载尽量别下载到C盘，在选取完自己所需要下载的位置后，勾选所有。找寻先前版本，我这里找的是1.9.1版本，复制代码，之后会，加载对应的依赖包，输入y，进行对应的pytorch 和cudatookit安装。进入官

model的python文件阐述的就是简单的层次构建，通过Conv2d，AvgPool2d这些函数直接构建而成，在全连接层通过Linear函数（即矩阵乘法 + 偏置加法），直接构成了整个LeNet结构。Sigmoid函数在两端梯度接近0，如果全连接层也使用Sigmoid：多层Sigmoid堆叠会导致梯度连乘，很快趋近于0，使得浅层网络几乎无法更新。整体其实没什么问题，先对数据进行初始化，分为训练集

1]田磊,王垚,谢成.面向无人机油气管道巡检的小目标检测方法[J].电子设计工程,2024,32(15)185-189.DOI:10.14022/j.issn1674-6236.2024.15.039.

1]段学龙,袁运栋,董楠,等.面向油气管道巡检的弱监督图像显著性目标检测方法[J].油气储运,2026,45(5):539-549.

1]钟志峰,彭宅琨,黄培沛,等.多尺度特征感知的无人机小目标检测算法[J/OL].计算机工程,1-15[2026-07-15].https://doi.org/10.19678/j.issn.1000-3428.0252593.

1]俞毅,高迎,陈信强,等.基于尺度特征交互改进的YOLOv8在低能见度环境下的船舶目标检测[J].上海海事大学学报,2025,46(3):29-35.DOI:10.13340/j.jsmu.202407010128.

1]张首一,申强,郭怡然,等.基于改进YOLOv8模型的雨雾天气目标识别算法[J].计算机科学,2026,53(S1):282-288.这里先提一嘴，因为在上篇论文分析中也是进行了雨雾天的船舶检测，所以这里选择一篇相同yolov8框架的来看看不同论文不同创新点。